Аннотация
Эта книга поможет читателю овладеть алгоритмами обучения с подкреплением (ОП) и научиться реализовывать их при создании самообучающихся агентов. В первой части рассматриваются различные элементы ОП, сфера его применения, инструменты, необходимые для работы в среде ОП. Вторая и третья части посвящены непосредственно алгоритмам. В числе прочего автор показывает, как сочетать Q-обучение с нейронными сетями для решения сложных задач, описывает методы градиента стратегии, TRPO и PPO, позволяющие повысить производительность и устойчивость, а также детерминированные алгоритмы DDPG и TD3. Читатель узнает о том, как работает техника подражательного обучения, познакомится с алгоритмами исследования на базе верхней доверительной границы (UCB и UCB1) и мета-алгоритмом ESBAS. Издание предназначено для тех, кто интересуется исследованиями в области искусственного интеллекта, применяет в работе глубокое обучение или хочет освоить обучение с подкреплением с нуля. Обязательное условие – владение языком Python на рабочем уровне.
![Flask веб-разработка капля за каплей [Документация на Flask (русский... Flask веб-разработка капля за каплей [Документация на Flask (русский перевод)]](https://www.rulit.me/kotha/images/nocover.jpg)


![Книга Тома Демарко и Тимоти Листера «Человеческий фактор: успешные проекты и команды» – перевод 2-го издания всемирно известного бестселлера об управлении... Человеческий фактор [Успешные проекты и команды]](https://www.rulit.me/data/programs/images/chelovecheskij-faktor-uspeshnye-proekty-i-komandy_561222.jpg)

![Книга Уильяма Шоттса "Командная строка Linux: Полное руководство" представляет обширный обзор «жизни» в командной строке Linux. В отличие от других книг, посвященных... Командная строка Linux [Полное руководство]](https://www.rulit.me/data/programs/images/komandnaya-stroka-linux-polnoe-rukovodstvo_466607.jpg)

Комментарии к книге "Алгоритмы обучения с подкреплением на Python"